Entre em contato

Governança de IA na saúde: o papel da liderança na nova regulação

Executiva da saúde e médico analisam dados em um tablet ao discutir a governança de IA na saúde

01 — CENÁRIO ATUAL Governança de IA na saúde: por que o tema chegou à diretoria A governança de IA na saúde deixou de ser um assunto só da área de tecnologia. Desde 26 de agosto de 2026, vale a resolução do Conselho Federal de Medicina sobre o uso de IA na medicina, segundo o portal do CFM. Assim, hospitais, clínicas e outras instituições médicas passaram a ter regras claras para uso, auditoria e monitoramento desses sistemas. Além disso, a norma alcança tanto algoritmos de apoio à decisão clínica quanto plataformas de gestão. Ela também trata da IA generativa e dos modelos de linguagem de larga escala, os LLMs. Esses modelos produzem textos a partir de comandos escritos em linguagem natural. Por isso, a pergunta central mudou. A questão já não é se a instituição deve adotar IA. Agora, o desafio é criar regras que reduzam riscos de compliance, vazamento de dados e falhas éticas. Em setores muito regulados, como hospitais e saúde suplementar, inovar sem controle pode afetar a reputação do negócio. Neste artigo, mostramos o que muda e qual é o papel da liderança nesse processo. 02 — O QUE MUDOU O que a Resolução CFM 2.454/2026 exige das instituições O CFM publicou a Resolução nº 2.454 no Diário Oficial da União em 27 de fevereiro de 2026. O texto deu prazo de 180 dias para a regra entrar em vigor. De acordo com o texto oficial da resolução, ela vale para médicos e instituições médicas, públicas ou privadas. Além disso, ela também alcança as soluções que já estavam em uso na data de vigência. Entre os pontos centrais, três se destacam para a gestão. Primeiro, a instituição precisa avaliar cada sistema para definir seu grau de risco. A escala tem quatro níveis: baixo, médio, alto ou inaceitável. Em seguida, quem desenvolve ou contrata IA deve criar processos internos de governança. Esses processos precisam garantir segurança, qualidade e ética. Por fim, o diretor técnico passa a responder pela fiscalização do uso da tecnologia. Há ainda uma exigência específica para quem tem sistemas próprios de IA. Nesses casos, a norma pede uma Comissão de IA e Telemedicina, sob coordenação médica. Essa comissão fica subordinada à diretoria técnica. Ou seja, a governança de IA na saúde ganha um dono formal dentro da instituição. 03 — PAPEL DA GESTÃO Governança de IA na saúde começa na alta liderança Para que a IA gere valor sem expor a instituição, a liderança precisa definir diretrizes claras. Essas regras devem equilibrar velocidade e controle. Na prática, isso passa por três frentes de atuação. A primeira é a orientação estratégica. Cabe à gestão apontar onde a automação e a análise preditiva trazem ganho real de eficiência. Ao mesmo tempo, ela deve eliminar ferramentas informais, sem validação da instituição. Essa prática tem nome: shadow IT, ou TI paralela, fora do controle da área de tecnologia. Esse ponto conversa com a resolução. Afinal, ela determina o uso apenas de sistemas que atendam às normas éticas, técnicas, legais e regulatórias do país. A segunda frente é a integração operacional. Novas tecnologias precisam se conectar aos sistemas legados e aos fluxos de trabalho atuais. Tudo isso deve ocorrer em ambientes controlados, sem interromper a operação. Aliás, a própria norma orienta a priorizar soluções que conversem com outros sistemas de saúde. Sempre que possível, ela recomenda padrões abertos de integração, como APIs. A terceira é a governança e a proteção de dados. A gestão deve definir políticas rígidas de segurança da informação, alinhadas à LGPD. O objetivo é que dados de pacientes e beneficiários nunca fiquem expostos em ambientes vulneráveis. Segundo artigo publicado no Migalhas, a LGPD classifica o dado de saúde como dado pessoal sensível. Por isso, esse tipo de dado segue regras mais restritas. 04 — TRÊS PILARES Os três pilares de uma política de governança de IA na saúde Projetos de inovação sem regras podem virar passivos jurídicos ou gargalos na operação. Para evitar isso, recomendamos que a política de IA se apoie em três pilares. O primeiro pilar é a supervisão humana obrigatória, também chamada de human-in-the-loop. Nesse modelo, a IA atua como apoio técnico e operacional. A decisão final continua com o profissional responsável. A resolução é clara nesse ponto: as soluções de IA não são soberanas. Assim, o médico segue como responsável final pelas decisões clínicas, diagnósticas e terapêuticas. O segundo pilar é a soberania e a privacidade dos dados. Na nossa visão, prontuários, laudos e bases de faturamento não devem alimentar modelos públicos. Além disso, o processamento deve ocorrer em perímetros corporativos seguros e isolados. A norma, por sua vez, proíbe sistemas sem padrões mínimos de segurança para dados sensíveis. Ela ainda limita o compartilhamento de dados de pacientes ao que for estritamente necessário. O terceiro pilar é a auditabilidade e a transparência. Todo resultado que um algoritmo gera deve permitir rastrear como ele surgiu. Isso sustenta checagens regulatórias e auditorias. Nesse sentido, a resolução pede auditoria e monitoramento contínuos. Também exige o registro do uso de IA no prontuário do paciente. Por último, prevê acesso de órgãos de controle, como os Conselhos de Medicina, aos relatórios de auditoria. 05 — NA PRÁTICA Como manter dados sensíveis dentro do perímetro da instituição Conciliar modernização com exigências regulatórias rigorosas pede arquiteturas sob medida. Em outras palavras, não basta escolher uma ferramenta. É preciso decidir onde os dados ficam, quem tem acesso a eles e como rastrear cada resultado. Na Liax, trabalhamos com soluções focadas em governança e resiliência. Por meio do LiaKnowledge, apoiamos grandes organizações no desenvolvimento de ecossistemas de IA Corporativa e LLMs locais. Essa abordagem garante que os modelos aprendam com a base de conhecimento interna da empresa. Desse modo, os modelos processam as informações dentro da própria infraestrutura corporativa. Tudo isso com total alinhamento à LGPD e sem qualquer exposição externa de dados sensíveis. Vale explicar o termo. Um LLM local é um modelo de linguagem que roda na estrutura da própria organização. Ou seja, ele não depende de um

IA corporativa: sua infraestrutura está pronta para gerar ROI?

01 — CENÁRIO ATUAL IA corporativa: o investimento cresce, mas o retorno acompanha? Em muitas empresas, a IA corporativa deixou de ser um projeto exploratório e passou a ocupar uma linha fixa do orçamento de tecnologia. Na América Latina, o interesse segue alto. Segundo o Times Brasil | CNBC, 20% das empresas da região esperam aumentar o orçamento de IA em mais de 20% nos próximos 12 meses, quase o dobro da média global. Investimento e resultado, porém, não avançam no mesmo ritmo. Entre adotar a tecnologia e colher retorno financeiro existe uma distância que quase não aparece no dia a dia. Ela fica evidente quando a diretoria pede números de ROI. Por isso, a pergunta que orienta este artigo é direta: a infraestrutura de dados e a governança da sua empresa estão prontas para transformar IA em resultado? 02 — O DIAGNÓSTICO O dilema da confiança: só 8% equilibram IA e governança no Brasil Um estudo do SAS em parceria com a IDC deu nome a essa distância: o dilema da confiança. Em outras palavras, ele acontece quando a confiança que a empresa deposita na IA não corresponde ao que ela investe em governança, transparência e gestão de riscos. No Brasil, o retrato é desconfortável. O Times Brasil | CNBC divulgou o recorte brasileiro do levantamento em julho de 2026. Segundo a reportagem, apenas 8% das empresas do país alinham confiança e estrutura, abaixo da média mundial de 9%. O restante se divide em três grupos. Cerca de 48% combinam baixa confiança e pouca governança e são classificadas como retardatárias. Outras 26% confiam na tecnologia mais do que a própria governança justifica. Por fim, 19% subutilizam sistemas que, na prática, seriam confiáveis. O efeito aparece no retorno. Ainda segundo a reportagem, cada dólar investido em IA no Brasil retorna, em média, 1,52 dólar. O valor fica abaixo da média global (1,61) e da média das Américas e da América Latina (1,63). O índice de confiabilidade da IA no país é de 3,35, em uma escala de 0 a 5. Por outro lado, o índice de impacto, que mede resultados de negócio, fica em 2,84. As empresas brasileiras confiam razoavelmente na IA, mas convertem menos dessa confiança em resultado. 03 — O CONCEITO O que significa IA corporativa no ambiente B2B? No ambiente B2B, IA corporativa vai além de um assistente de chat ou de um piloto isolado em uma área. Ela envolve três camadas que funcionam juntas: A proposta é transformar dados históricos, hoje espalhados entre sistemas e departamentos, em inteligência integrada. Na prática, isso ajuda a empresa a perceber gargalos antes que eles virem problemas operacionais, em vez de apenas registrar o que já aconteceu. Essa definição muda a pergunta de investimento. Em vez de “qual ferramenta de IA comprar”, a discussão passa a ser: que base de dados e que regras de governança vão sustentar as decisões que a IA vai apoiar? 04 — BASE DE DADOS Por que dados fragmentados comprometem decisões estratégicas Decisões precisas dependem de dados confiáveis, e esse é um dos pontos frágeis do cenário brasileiro. Segundo o Times Brasil | CNBC, quase 35% das empresas do país operam com infraestrutura de dados em estágio ad hoc ou fragmentado. Na média global, esse número é de 16%. Quando a informação está espalhada, cada área enxerga apenas uma parte do negócio. A IA aplicada sobre essa base herda as mesmas lacunas: trabalha com visões parciais e tem mais dificuldade para explicar como chegou a uma recomendação. A edição de 2026 do relatório ouviu 2.699 decisores de 28 países e mostra o custo dessa falta de clareza. Segundo o SAS, 79% das empresas editam as recomendações da IA em mais de 10% dos casos. O motivo mais citado, por 34,5% dos entrevistados, é a falta de explicação. O mesmo relatório indica que apenas 17,5% das empresas têm infraestrutura de dados totalmente otimizada, contra 10,2% no ano anterior. Entre essas empresas, 52% esperam ROI robusto ou alto com IA. No estágio ad hoc, a proporção cai para 14%. Cada recomendação revisada por falta de contexto representa uma parte do investimento que não vira eficiência. 05 — POR ONDE COMEÇAR Como implementar IA corporativa sem queimar recursos O erro mais comum é aplicar IA de forma isolada, departamento por departamento, cada um com sua ferramenta e sua base de dados. O resultado costuma ser um conjunto de iniciativas que não conversam entre si e repetem a fragmentação em uma nova camada. O relatório do SAS aponta um risco parecido. Segundo o SAS, cerca de metade dos orçamentos de IA vai para projetos-piloto em vendas e marketing. Enquanto isso, casos de uso com maior potencial de retorno ficam sem verba suficiente. Ter muitos pilotos não significa avançar. A maturidade começa antes do algoritmo. O estudo avalia a confiabilidade da IA em cinco dimensões que também servem como roteiro de preparação: Na prática, um caminho possível tem quatro etapas: A governança de IA tem relação direta com o ROI em IA. Segundo o SAS, empresas líderes em IA confiável têm 15 vezes mais probabilidade de obter ROI robusto ou alto: 62%, contra 4% entre as retardatárias. A exigência também cresce com a autonomia. A IA generativa é considerada confiável por 76% dos entrevistados. A IA agêntica, que executa ações por conta própria, por 66%. 06 — PRÓXIMOS PASSOS Do caos à governança: centralizar o conhecimento da empresa Para extrair valor real da IA corporativa, o foco não deve ser o algoritmo mais moderno. O que importa é a forma como a empresa gerencia o próprio conhecimento. Foi para resolver essa dor que a Liax Tech desenvolveu o LiaKnowledge, sua plataforma de IA corporativa desenhada para centralizar e governar o ecossistema de dados do negócio. O LiaKnowledge unifica fontes de informação fragmentadas, transforma dados brutos em respostas estratégicas instantâneas e garante a governança técnica que o mercado tanto necessita. Apoiada pelos squads especialistas da Liax Tech, a plataforma converte IA em eficiência operacional e ROI real. Se a sua